在邏輯迴歸(logistic regression)分析裡 會看見-2 Loglikelihood 這個似乎是從外太空來的名詞到底蘊含著甚麼意思?

首先 我們知道likelihood是"可能性" 這於是跟"發生機率"有關(例如 0.5*0.00069) 如果把這個過程進行log處理 就變成Loglikelihood 它代表的還是"可能性" 那為何要進行log處理? 因為可以簡化過程與結果

那麼如果眼下的回歸模型能夠產生最有可能性的觀察值 這個代表"可能性"的值會"大" 也就是說Loglikelihood大就是好(表示眼下的回歸模型好)

但是我們需要對整個回歸模型進行顯著考驗  於是我們把Loglikelihood乘以 -2就能得到chi squared值 那麼我們就能利用chi squared distribution來進行顯著考驗

在spss 你看不見基線-2Loglikelihood(除非勾選iteration history) 記得你看見的-2Loglikelihood 是屬於模型 但是你能看見chi squared 記得這個值來自於基線與模型-2Loglikelihood 之間的差 當然這個差越大表示模型越好